apps/FastDeploy
1
0
Fork 0
mirror of https://github.com/PaddlePaddle/FastDeploy.git synced 2025-10-05 08:37:06 +08:00
Code Issues Actions 2 Packages Projects Releases Wiki Activity
Files
7b15f72516a1f2bb2e8b6f347ca5a60d14d2bd0e
FastDeploy/examples/vision/keypointdetection/tiny_pose
History
yeliang2258 7b15f72516 [Backend] Add OCR、Seg、 KeypointDetection、Matting、 ernie-3.0 and adaface models for XPU Deploy (#960) 
* [FlyCV] Bump up FlyCV -> official release 1.0.0

* add seg models for XPU

* add ocr model for XPU

* add matting

* add matting python

* fix infer.cc

* add keypointdetection support for XPU

* Add adaface support for XPU

* add ernie-3.0

* fix doc

Co-authored-by: DefTruth <qiustudent_r@163.com>
Co-authored-by: DefTruth <31974251+DefTruth@users.noreply.github.com>
2022-12-26 15:02:58 +08:00
..
cpp
[Backend] Add OCR、Seg、 KeypointDetection、Matting、 ernie-3.0 and adaface models for XPU Deploy (#960)
2022-12-26 15:02:58 +08:00
python
[Backend] Add OCR、Seg、 KeypointDetection、Matting、 ernie-3.0 and adaface models for XPU Deploy (#960)
2022-12-26 15:02:58 +08:00
README.md
[Model] Add tinypose single && pipeline model (#177)
2022-10-21 09:28:23 +08:00

README.md

PP-TinyPose 模型部署

模型版本说明

目前FastDeploy支持如下模型的部署

准备PP-TinyPose部署模型

PP-TinyPose模型导出，请参考其文档说明模型导出

注意:PP-TinyPose导出的模型包含model.pdmodel、model.pdiparams和infer_cfg.yml三个文件，FastDeploy会从yaml文件中获取模型在推理时需要的预处理信息。

下载预训练模型

为了方便开发者的测试，下面提供了PP-TinyPose导出的部分模型，开发者可直接下载使用。

模型 参数文件大小 输入Shape AP(业务数据集) AP(COCO Val) FLOPS 单人推理耗时 (FP32) 单人推理耗时（FP16)
PP-TinyPose-128x96 5.3MB 128x96 84.3% 58.4% 81.56 M 4.57ms 3.27ms
PP-TinyPose-256x192 5.3M 256x96 91.0% 68.3% 326.24M 14.07ms 8.33ms

说明

  • 关键点检测模型使用COCO train2017和AI Challenger trainset作为训练集。使用COCO person keypoints val2017作为测试集。
  • 关键点检测模型的精度指标所依赖的检测框为ground truth标注得到。
  • 推理速度测试环境为 Qualcomm Snapdragon 865，采用arm8下4线程推理得到。

更多信息请参考：PP-TinyPose 官方文档

详细部署文档